我投的是基礎研究，感覺自己比較幸運，好像是順利的走了TST的內推，因為在筆試的時候監考官讓我們在試卷右上角標注TST。而且面試通知的也是直接去銀科大廈，在騰訊的茶水間面的。

接下來說說面試和筆試。

筆試其實挺無語的，和去年的題大量重合，我前一天剛好找了去年的題看，所以很多變態題都答上了。當然，其實還是有3,4道題根本沒記住答案（但是知道是去年的題），所以就亂答的。附加題認真答了一道，另一道基本不會，隨便寫了幾行。后來在一面的時候看到自己卷子的分數是71，面試官跟我說分數還不錯，我無語ing……

然后是面試，面試一共分2次，最后一次是廣州那邊經理的電面，可能在5.1左右才打過來。一來比較晚，二來不怎么問技術了，三來我還沒接到，所以就不說了。需要提一下的是，選事業群根本0效果，最后面試的部門還是騰訊自己定的，就是說每個部門自己從簡歷&筆試結果中挑覺得滿意的，然后通知他們去面試。也就是說，參加面試的時候，你的實習部門就已經定好了。面試我的部門是騰訊微信模式識別組，據面試官介紹微信的總部在廣州，不過他們這個30人的研發小組在北京，是從騰訊研究院分出來的，主要做基于微信的NLP，語音和圖像方面的識別算法。

一面：

面試官態度都很好，一共兩個人。第一個人主要問了大量簡歷上的內容，問的很細，很深。比如我獲過某個獎，那么他就會問我做負責什么部分，做的什么東西，是怎么做的。我的一段實習經歷他也很仔細的問了，基本上就是把我在那個公司做過的所有東西都介紹了，而且是細致到在設計xxx算法時設計和提取了xxx特征，這個xxx特征的具體是怎么提取的，以及物理意義等。總的來說，就是把簡歷里面能問的基本問了個遍。所以說，大家寫簡歷的時候，自己沒把握的最好別寫，因為有些面試官會問的很細，或者就挑那種你提了一句的東西使勁問，看你到底有沒有做過。簡歷大概問了半個小時，然后他說我們做幾道算法題吧，給了我三道題和一疊紙，給我一個小時做。題都不算難，不過要求編程實現，三道題分別是：

1.用最快的方法計算斐波那契數列

我覺得用o(n)非遞歸的方法就行，當然有o(log n)的更快方法，不過這個非遞歸挺難寫的（要是遞歸就達不到o(log n)）。

注：有人提到了直接用公式來計算值，時間復雜度可以降低到o(1)，真的如此嗎？

對此我進行了深入的調研，首先，這個公式里面包含了兩個求冪算式，也就是說需要pow函數，那么pow函數的原理是什么呢？在VC里面這個函數的源代碼是無法看到的，但是pow函數的原理還是可以查到的，因為在這里n只取整數，那么算一個數的整數次冪，最快的方法也是o(log n)，所以，這部分的運算的實際時間復雜度是o(log n),并不是所謂的o(1)。

空口無憑，我編了一小段程序來驗證自己的想法，定義了兩個求斐波那契數列的函數，其中fab1是用公式算，fab2用o(n)的方法計算。

void fab1(double in){double a=1/sqrt((double)5);double b=pow((0.5+sqrt((double)5)/2),in);double c=pow((0.5-sqrt((double)5)/2),in);//printf("%lf\n",a*(b-c)); }; void fab2(int in){int a=0,b=1,res,i;for(i=2;i<=in;i++){res=a;a=b;b+=a;} }; int main(){LARGE_INTEGER freq,begin,end;QueryPerformanceFrequency(&freq);QueryPerformanceCounter(&begin);for(int i=1;i<=100000;i++)fab1(50);//fab2(50); QueryPerformanceCounter(&end);double time=(double)(end.QuadPart-begin.QuadPart)/(double)freq.QuadPart*1000;printf("%lf\n",time);system("pause");return 0; }

每次求n=50的值，循環取10000次和100000次，得到的結果如下：

循環10000次時，fab1平均時間在1.9微秒左右，fab2平均時間在2.5微秒左右

循環100000次時，fab1平均時間在18微秒左右，fab2平均時間在25微秒左右

所謂的o(1)時間復雜度無論如何也不可能和o(n)復雜度差距這么小吧？因此，斐波那契數列的最低時間復雜度就是o(log n)，另外，由于公式中的數字都是浮點型，如果使用整型的o(log n)算法，理論上應該比這種公式法還要快。

2.給定整數sum，在亂序數組中尋找所有滿足x+y=sum的組合并打印

這個很簡單，就是先排序，然后維護一頭一尾兩個指針，找到所有組合，時間復雜度o(nlog n+n)

這個也可以用哈希做，時間復雜度o(n)，不過數據的范圍不能太大。

3.在一個超長數組中尋找第K大數

這個不能用快排的partition做，因為數組超長，所以暗含不能全部裝入內存中。我當時沒太理解題目，所以寫了那個用partition做的算法，后來覺得有可能是考堆排序，又大致寫了堆排序那個算法的思路：讀入前K個數并建立一個大根堆，然后依次讀入數組中剩下的數并調整堆，最后從堆中輸出最小的那個數就行，時間復雜度o(klog k+n)

第二個面試官看了我的代碼和思路之后，覺得大致沒問題，然后說我再考你兩道吧，說思路就行。

1.在2個排序好的數組中找所有元素的第k大

我剛開始說直接調用一次歸并排序的merge就行，o(k)時間復雜度，面試官說讓我再想想，還有沒有更快的。然后我苦苦思索了5分鐘，想了一種o(log k)的，假設兩個數組是降序排列，先比較兩個數組的第k/2個數，如果相等，則這個數必為第k大的，如果不等，不妨假設A[k/2]<B[k/2]，那么第k大的數必然在A[1]~A[k/2]和B[k/2]~B[k]（假設數組下標從1開始）之中，因此，再比較這兩部分中間的數，即A[k/4]和B[3k/4]，然后重復的二分查找，最后就能找到兩個數組中的第k大數。其實這個方法我當時是蒙的，并沒有嚴格的證明，不過后來回學校的時候，我自己又仔細的想了一下，的確是正確的。

2.找到1-10000以內的所有質數

如果之前沒有接觸過算法的，這道題還是有些難度的，因為挨個判斷質數的方法時間復雜度太高，不可行。一般的做法是，開辟一個有10000個元素的bool型數組prime[10000]，然后從2開始到根號10000，即100結束，把這些數的倍數都設置為false，例如：取2的時候，prime[4],prime[6],prime[8],prime[10]...都會被設置為false,這樣結束之后，再從頭掃一遍prime，把里面還是true的數組的下標輸出，即為范圍內所有質數。不過，我當時很二的說了一句“這道題我做過”，現在想想實在是大忌啊，如果大家面試的時候遇到做過的題，一定不要馬上承認做過，因為有的面試官會很不爽，面子掛不住，感覺自己出的題簡單了，然后就會來一道巨難的題虐你。還好我遇到的這位面試官人比較隨和，說我還挺誠實，但是，不出意外的提高了題的難度。他說我這個基本已經接近最優的時間復雜度了，但是有些值，比如prime[6]，在2和3的時候被重復設置了2次false，所以還有更快一點的，讓我想一想。我當時心里各種無語啊，之前做poj上面題的時候從來沒想過還有更快一點的。然后我冥思苦想了幾分鐘，想到了質數和合數的特點，把設置false的規則修改了一下，如果到第n個數，并且該數是true，那么從n開始，下標為n乘以n之后（包括n）為true的數組元素都被設置為false，例如：2的時候，4,6,8,10...都被設置為false，那么3的時候，3*3，3*5,3*7...都被設置為false，因為2,4..都是false了，所以不會出現3*2,3*4等被重復設置為false的情況，這樣就能保證每個合數僅被設置為false一次。因此，這種方法比原來的快一些（其實就快了一點點）。

答完了上面兩道題，一面基本就結束了，面試官就讓我回去等通知了。這次面試大概有2個小時，半個小時問簡歷，1個半小時問算法。

?二面過程

二面是一位女面試官，人很好，完全看不出是做技術研發的，我的第一反應她應該是管理團隊的，不過面試一開始我就發現自己錯了，她的科研基礎實在是太好了。在此，再一次提醒大家，千萬不要把自己一知半解的東西放到簡歷上，遇上較真的面試官，肯定會悲劇的。接著說二面，她首先很有針對性的挑了我簡歷上那種一筆帶過的東西問，看我是不是真的做過。問了大概10分鐘，她開始問我的基礎知識，在模式識別和機器學習領域學習了什么，我跟她說對于常用的分類器都比較熟悉，她讓我對常用的分類器的熟悉程度排一下序，我說自己實現過adaboost，隨機森林沒寫過但是肯定能寫出來，svm用過，知道原理，神經網絡了解原理，最不熟悉。她接著讓我介紹神經網絡的原理（挑我最不熟悉……），我想了1分鐘，大致把節點的構成，怎么連接每一層，用梯度下降訓練之類的說了一通，說實話我好久沒看神經網絡了，的確不算很熟了。她可能不是很滿意吧，然后又追問svm和神經網絡的區別。一個是線性分類器，一個是非線性分類器，這個區別其實還是挺明顯的，接著我又跟她侃了一下最近比較火的深度學習（deep learning），表達了一下自己的看法，深度學習這個東西，其實計算復雜度太高，并不能覆蓋所有的機器學習領域，而且是否一定要依賴于神經網絡，其實也存在爭議，因為有國外的團隊用聚類（K-means）和線性分類器(SVM)組合的方式達到了跟受限波爾茲曼機（RBM）接近甚至超越的效果，大概說了20分鐘，她算是比較滿意我的回答了。接下來她問了一個很簡單但是挺值得注意的問題，在圖像處理方面經常需要讀取圖片，動態申請一個二維數組也很常見，她讓我寫一下我是怎么做的，下面代碼是兩種常見的方式

//方法1 unsigned char** pImg= new unsigned char*[m];
for(int i=0;i<n;i++){
pImg[i]=new unsigned char[n];
} //方法2
unsigned char** pImg= new unsigned char*[m];
unsigned char* arr= new unsigned char[m*n];
for(int i=0;i<m;i++){
pImg[i]=arr[i*n];
}

第一種都能想到，但是速度慢，申請內存是分開申請的，所以總的效率完全趕不上第二種。第二種是一次申請內存，for循環僅僅是對指針的賦值。另一方面，在釋放的時候，第二種容易忘記釋放二維指針的每個元素，也需要循環釋放。而第二種就沒有這種問題，只需要delete[] arr和delete[] pImg即可。

這道題我的答案似乎她很滿意，然后又跟我接著討論了一些搞算法要追求極致的思想等等，接著還給我展示了她們團隊在微信中負責的功能（搖一搖搜歌，這個的確很強大，我自己試過了），接下來又問了我一個牛頓迭代法，一個求方程數值解的方法，這個我的確沒學過……，她說我肯定學過，只不過早就忘了而已，而且她覺得這個方法很有意思，跟梯度下降非常相似。呃，我表示無語，跟她說回去一定看。這樣又過去大概10分鐘。最后，她總結了一下面試，說對我還是挺滿意的，覺得我基礎比較扎實。哦，她在面試中還提到了團隊里面做算法的基本都有acm經歷，我表示自己不是計算機科班出身，所以本科沒做過，她說這方面還是需要學一學的，我說現在已經學習了一部分，回去再繼續學。

總的感覺就是，第二輪面試就輕松了很多，大概只有40分鐘。面試官問的都是跟他們研究內容相關的知識，所以基礎知識很重要，另外，如果有些東西，自己不知道直說就是了，如果不懂裝懂反而讓面試官很反感。

當然，這個是我的面試經歷，不過面試是因人而異，因面試官而異的，所以大家不要照搬，如果能幫助到大家，那是最好了。里面應該還有一些錯誤和問題，望不吝賜教。

轉載于:https://www.cnblogs.com/hrlnw/archive/2013/04/26/3045361.html

總結

以上是生活随笔為你收集整理的腾讯2013暑期实习笔试面试总结的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。